
-
生物通官微
陪你抓住生命科技
跳动的脉搏
孟加拉国现代避孕措施使用情况中的异质性财富差异:基于2022年DHS横断面调查的机器学习G计算分析
《Journal of Health, Population and Nutrition》:Heterogeneous wealth-related differences in modern contraceptive use in Bangladesh: a machine learning-based g-computation analysis of the DHS 2022 cross-sectional survey
【字体: 大 中 小 】 时间:2026年07月10日 来源:Journal of Health, Population and Nutrition 2.4
编辑推荐:
摘要背景传统的逻辑回归仅能估算出整体平均的比值比,从而掩盖了不同社会决定因素对不同人群健康结果影响的差异。我们采用了基于机器学习的分层g计算方法,来估算孟加拉国已婚女性中处于极端贫富两端的群体中,家庭财富对现代避孕措施使用情况的影响。方法我们分析了2022年孟加拉国人口与健康调查
传统的逻辑回归仅能估算出整体平均的比值比,从而掩盖了不同社会决定因素对不同人群健康结果影响的差异。我们采用了基于机器学习的分层g计算方法,来估算孟加拉国已婚女性中处于极端贫富两端的群体中,家庭财富对现代避孕措施使用情况的影响。
我们分析了2022年孟加拉国人口与健康调查中属于最贫困和最富裕两端的11,510名已婚女性数据。共比较了六种模型(逻辑回归、随机森林、梯度提升、XGBoost、LightGBM、堆叠集成),并通过五折交叉验证来评估其接收者操作特征曲线下面积。此外还进行了SHapley加性解释分析、以主要抽样单位为单位的自助法置信区间计算、双重稳健的增强逆概率加权敏感性分析、Benjamini-Hochberg假发现率校正以及E值分析。这些研究结果仅适用于极端贫富两组,不能推广到中间三组。
最贫困群体中现代避孕措施的普及率为37.7%,而最富裕群体则为32.6%。堆叠集成模型的CV-AUC值最高,为0.7108。所有六种AIPW估算结果均接近零(\(p = 0.09\)–0.83),表明总体而言财富对避孕措施使用没有影响,因为不同子群体的效应相互抵消:35–49岁且受教育程度较高的群体中存在\(+17.6\)个百分点的绝对风险差异,这一差异被15–24岁且受教育程度较低的群体中\(p = 0.039\))和年龄(\(p = 0.005\))会导致差异。比值比的中位数相差6.4倍,从15–24岁且受教育程度较低的群体的0.552(FDR \(q = 0.008\))到35–49岁且受教育程度较高的群体的3.557(E值=6.57)。在SHAP分析中,性别平等性是影响预测的最强因素,其次是就业状况和年龄。
财富对避孕措施使用影响的差异在不同人口亚群中存在规律性;由于相反效应的相互抵消,整体平均的估算值为零,只有基于个体层面的机器学习g计算才能揭示这种结构。基于此方法构建的规划性目标定位框架,可为任何基于人口与健康调查的健康公平性分析提供可重复使用的优先级确定工具。
传统的逻辑回归仅能估算出整体平均的比值比,从而掩盖了不同社会决定因素对不同人群健康结果影响的差异。我们采用了基于机器学习的分层g计算方法,来估算孟加拉国已婚女性中处于极端贫富两端的群体中,家庭财富对现代避孕措施使用情况的影响。
我们分析了2022年孟加拉国人口与健康调查中属于最贫困和最富裕两端的11,510名已婚女性数据。共比较了六种模型(逻辑回归、随机森林、梯度提升、XGBoost、LightGBM、堆叠集成),并通过五折交叉验证来评估其接收者操作特征曲线下面积。此外还进行了SHapley加性解释分析、以主要抽样单位为单位的自助法置信区间计算、双重稳健的增强逆概率加权敏感性分析、Benjamini-Hochberg假发现率校正以及E值分析。这些研究结果仅适用于极端贫富两组,不能推广到中间三组。
最贫困群体中现代避孕措施的普及率为37.7%,而最富裕群体则为32.6%。堆叠集成模型的CV-AUC值最高,为0.7108。所有六种AIPW估算结果均接近零(\(p = 0.09\)–0.83),表明总体而言财富对避孕措施使用没有影响,因为不同子群体的效应相互抵消:35–49岁且受教育程度较高的群体中存在\(-11.3\)个百分点的绝对风险差异所抵消。各个体的比值比呈现的基尼系数为0.4525(95%自助法置信区间:0.4475–0.4568);交互作用分析显示,教育程度(\(p = 0.039\))和年龄(\(p = 0.005\))会导致差异。比值比的中位数相差6.4倍,从15–24岁且受教育程度较低的群体的0.552(FDR \(q = 0.008\))到35–49岁且受教育程度较高的群体的3.557(E值=6.57)。在SHAP分析中,性别平等性是影响预测的最强因素,其次是就业状况和年龄。
财富对避孕措施使用影响的差异在不同人口亚群中存在规律性;由于相反效应的相互抵消,整体平均的估算值为零,只有基于个体层面的机器学习g计算才能揭示这种结构。基于此方法构建的规划性目标定位框架,可为任何基于人口与健康调查的健康公平性分析提供可重复使用的优先级确定工具。